关于两类污染数据回归分析的参数估计

研究简单回归模型: y_i=α+βx_j+ε_j,j=1,2,…,n,其中Eε_j=0,Eε_j^2=σ_1~2;但y_1,y_2,…y_n受到另一独立同分布随机变量序列t_1,t_2,…,/t_n两种不同方式的污染,t_j与y_j独立。本文给出了两种污染方式下的α、β和污染参数的估计。

基于污染数据分析实现LSB秘密消息的检测

信息隐藏技术已经成为网络信息安全的一个重要研究方向,如何有效地监控和检测网络中传递的秘密消息对于保障国家安全具有重要的现实意义·针对互联网上大量的隐写软件利用彩色及灰度图像的最低有效比特位(LSB)隐藏秘密消息,基于污染数据分析,提出了一种新的隐写分析方法,并给出了此算法的数学模型·该方法不仅可以快速有效地检测出图像中秘密消息的存在性,同时还可以精确地估计出连续及随机间隔嵌入算法下所嵌入秘密消息的长度·

污染数据回归分析中参数的最小一乘估计

考虑简单回归模型：其中 ．假设ｙ１， ｙ２，… ；ｙｎ受到另一独立同分布随机变量序列的污染；我们仅能观察到污染数据为未知的污染参数．本文用污染数据给出了的最小一乘估计，并证明了它的渐近正态性和相合性．

污染数据的处理

本文介绍几种污染数据的处理方法．

污染数据回归分析的参数估计

截断数据是生存分析的重要研究内容,而关于污染数据的分析在近几年也越来越受到人们的重视.研究简单回归模型:X(0)2,…,X(0)n,1,X(0)i=γ+βμi+εi,i=1,2,…,n,其中Eεi=0,Eε2i=σ21;但X(0)受到另一独立同分布随机变量序列W1,W2,…,Wn的污染,Wi与Xi独立,即有Xi=(1-α)X(0)i+αWi,i=1,2,…,n.给出污染系数α的区间估计,并由此给出γ,β的点估计.

污染数据的稳健稀疏成组变量选择方法研究

实证研究中的真实数据往往不完全符合模型的分布假设,存在污染数据的情况。大数据时代,大规模数据集的污染情况更加普遍。针对当数据存在不同来源污染时,构建基于最小密度势差异准则的成组Bridge模型,并设计有效算法完成稀疏成组变量选择。数值模拟研究说明该方法在不同污染数据情形及污染比例下具有良好的稳健性与稀疏性。关于婴儿出生体重影响因素的实证研究展示了该方法在应用研究中的优秀表现。

污染数据线性回归模型的参数估计

研究了简单回归模型中响应变量受到另一随机变量序列污染时 ,模型参数和污染系数的估计方法 .在适当条件下 。

截断情形下污染数据半参数回归模型估计方法

对半参数回归模型yj=xjβ+g(tj)+εj,j=1,2,…,n进行分析.其中,(xj,tj)为取值于R×[0,1]上的固定设计,β为未知参数,g是定义在[0,1]上的未知函数,εj为随机误差,Eεj=0,Eε2j=σ21.但yj,…,yn受到另一独立同分布的随机变量序列u1,…,un两种不同方式的污染,uj与yj独立,同时,它们被另一独立同分布的随机变量序列截断.最后,利用最小二乘法及矩估计方法给出随机截断情形下两种污染方式的α,β和污染参数的估计.

基于Stein损失污染数据情形下刻度参数的经验贝叶斯估计

本文研究基于污染数据情形的一类广义指数分布刻度参数的经验贝叶斯估计问题.在stein损失函数下,导出刻度参数的贝叶斯估计以及利用解卷积的核方法构造了该参数的经验贝叶斯估计.在适当的条件下,基于超平滑误差分布类证明所提出的经验贝叶斯估计的渐近最优性.

纵向污染数据半参数回归模型中的强相合估计

研究了一类纵向污染数据的半参数回归模型,并在更切合实际的情况下,建立了模型参数和回归函数的估计方法.在适当的条件下,证明了所建立的估计量均具有强相合性.

蔬菜区污染数据微机管理系统

本文叙述了蔬菜区污染数据微机管理系统(SVDMS)的设计思想和主要功能。为研究上海市蔬菜种植地区环境污染发生和发展的规律,进一步揭示污染物间的相互关系,提供综合治理的参考依据。该系统采用了2.10版本中文操作系统(CCDOS 2.10 Ver.)支持的CDBASEⅢ关系数据库语言和BASICA语言。可在IBM PC/XT微机或兼容机上运行。该系统的主要功能为:信息管理;数理统计;综合评价。具有操作简便,运行敏捷,适合于农业环境污染数据的微机管理。

污染数据回归分析参数的区间估计

截断数据是生存分析的重要研究内容,而关于污染数据的分析在近几年也越来越受到人们的重视.研究简单回归模型:X(0)i=γ+βμi+εi,i=1,2,…,n其中,Eεi=0,Eε2i=σ21;但X(0)2,…,X(0)n受到另一独立同分布随机变量序列W1,W2,…,Wn的污染,1,X(0)Wi与X(0)i+αWi,i=1,2,…,n.给出回归参数γ,β的区间估i独立,仅能观察到污染数据Xi=(1-α)X(0)计.

关于污染数据的区间估计

讨论了具有如下形式Xi=(1-α)X( 0 )i +αWi,i=1,2 ,… ,n的污染数据的参数估计 ,其中X( 0 )i =γ +βμi+εi,εi～N(0 ,σ21) ,Wi～N(0 ,σ22 ) ,给出α的区间估计 ,并给出γ ,β的点估计 .

基于污染数据处理的电子对抗外场试验方法

外场试验是进行电子对抗效能评估最有效的手段之一 .污染数据分布模式较为合理地描述了试验中观测数据的实际分布 ,基于污染数据的参数估计理论可有效地抗御粗差的影响 .讨论了污染数据处理方法在电子对抗外场试验数据分析中的应用 .

随机截尾下污染数据部分线性模型的强相合估计

考虑一类新的污染数据部分线性模型,当受污染后的因变量被随机右截断时,就截断分布已知的情形,利用所获得截断观测数据构造了模型中的参数分量,非参数分量及污染系数的估计量,并在适当的条件下,证明了这些估计量的强相合性.

纵向污染数据回归模型中污染源密度的估计

研究了带有重复观测的线性回归模型中响应变量在受到另一随机变量序列污染时,污染源分布密度的估计问题.在较一般的条件下,对于纵向污染数据,构造了污染数据线性回归模型的参数和污染源密度的估计方法,并且证明构造的密度估计具有L2收敛性.由于在估计方法中无需假定误差方差,因此,所构造的估计方法更符合实际应用情况.

污染数据情形下线性指数分布参数的经验贝叶斯估计（英文）

本文研究污染数据情形下线性指数分布参数的经验贝叶斯估计问题.在平方损失函数下,导出参数的贝叶斯估计以及利用解卷积的核方法构造该参数的经验贝叶斯估计.在合适的条件下,得到基于超平滑误差分布类所提出的经验贝叶斯估计的一致收敛速度.

污染数据区间截断下线性模型的参数估计(英文)

本文研究了线性模型响应变量被污染且被区间截断下的参数估计问题, 借助于区间数据的无偏转换, 得到了回归系数和污染系数的估计, 并在一定的条件下得到了这些估计的强相合性. 通过若干模拟例子说明, 尽管数据经过污染和区间截断的双重信息损失, 但用本文提出的方法得到的估计, 仍能取得良好的估计效果.

卫星动量轮的污染数据的Bayes参数估计

由于试验条件等的限制,在寿命试验中,所获得的数据可能是污染数据。这时,采用传统方法分离污染项并对产品的寿命进行估计非常困难。针对指数型寿命数据受正态污染的情况,建立定数截尾情况下的数据模型,并采用Bayes方法对模型进行统计分析;在验前分布确定方面提出运用Bootstrap方法确定超参数。实例分析表明,Bayes方法对有污染情况寿命数据的统计推断是有效的。

污染数据半参数回归模型估计的渐近正态性

考虑半参数回归模型：ｙｉ＝ ｘｉβ＋ ｇ（ｔｉ）＋ ｅｉ，ｉ＝ １，２，…，ｎ．其中 Ｅｅｉ＝ ０， Ｅｅ２ｉ＝ σ２１ ＞ ０．假定ｙ１，ｙ２，…，ｙｎ 受到另一独立同分布随机变量序列 μ１，μ２，…，μｎ 的污染，｛μｉ｝与｛ｙｉ｝独立，且仅能观察到污染数据．文［１］对由污染数据作出的参数 β的估计 βｎ，证明了它的强相合性。